医疗理赔反欺诈分析

Schema 设计

本 DEMO 以保险领域公开数据集为例，采用 NebulaGraph 建立相关模型结构，数据导入采用 Nebula-Importer 工具。

快速开始：

从这里访问 NebulaGraph Playground: insurance_claims
选择 insurance_claims 图空间，点击中间的“快速开始（随机导入数据）”，点击“Query by VID”
这个时候在画布上已经显示出点了，您可以双击他们进行拓展，或者借助左侧功能栏，进行其他操作

点：

投保人（policyholder）
保单（incharge）
理赔（claim）
病人（patient）
疾病（disease）

边：

疾病-病人（has_disease）
投保人-理赔（policyholder_of_claim）
保单-理赔（incharge_of_claim）
病人-理赔（insured_of_claim）
相似理赔（similar_claim）
投保人关联（policyholder_connection）

属性：

姓名（name）
是否高危（high_risk）
风险分数（risk_score）
疾病名称（disease_name）
相似度（similarity_score）
关联等级（level）
理赔时间（claim_date）
保额（charge）

其中 high_risk、risk_score、similarity_score 等属性可由图计算组件计算得出。

通用查询

1、查询理赔单 C4377 的投保、理赔、被保情况，以及理赔对应的病人和患病情况

go 1 to 2 steps from "C4377" over policyholder_of_claim, incharge_of_claim, insured_of_claim,has_disease  YIELD edge as relationships;

2、查询 lastname 为 OSCARSON 的理赔情况

match p=(v:policyholder {lname:"OSCARSON"})<-[e:policyholder_of_claim]-(c:claim) return p;

风险预警查询

1、已知保单 C4377 为欺诈保单，查找保单 C4377 投保人的关系网络和保单情况，并根据关系网络中的高风险属性，找到关系网络中疑似的涉诈人和相关保单，如红圈标记内的为高风险实体，与高风险实体关联紧密的其他实体可能存在欺诈嫌疑

match p=(v:claim)-[e:policyholder_of_claim]->(v1:policyholder)-[e1:policyholder_connection*0..3]->(v2:policyholder)<-[e2:policyholder_of_claim]-(v3:claim) where id(v) in ["C4377"] return p

2、已知保单 C4377 为欺诈保单，查询和理赔单 C4377 有相同理赔病人的理赔单，说明该理赔人有涉嫌骗保嫌疑

go from "C4377" over insured_of_claim YIELD dst(edge) AS id | GO FROM $-.id OVER insured_of_claim REVERSELY YIELD edge as relationships

最短路径&共同邻居查询

1、查询投保人 PH3759 和投保人 PH4722 的最短路径，分析投保人之间的关联关系

FIND SHORTEST PATH FROM "PH3759" TO "PH4722" OVER * YIELD path AS p;

2、查询保单 C4377 和保单 C67594 的共同邻居，从而找到两个保单的共同投保人

match p=(v:claim)-[e:policyholder_of_claim]->(v1:policyholder) where id(v) in ["C4377","C67594"] return p;

使用可视化探索工具 NebulaGraph Explorer 进行数据探索

Explorer 是一款可视化探索工具，选择相应图空间后，在 Visual Query 模块可通过鼠标拖动相关实体并选择边类型进行查询。

查询可视化结果如下，前端业务人员可通过点选查看属性的方式做更多判断和探索

参考视频

https://www.bilibili.com/video/BV1FT411n7AW